交通运输部交通运输建设科技项目(2011318801670)

doi:10.3969/j.issn.1674-0696.2013.03.22

重庆交通大学学报（自然科学版） ›› 2013, Vol. 32 ›› Issue (3): 463-466.DOI: 10.3969/j.issn.1674-0696.2013.03.22

交通运输部交通运输建设科技项目(2011318801670)

胡华，刘志钢，朱海燕

上海工程技术大学城市轨道交通学院，上海201620

收稿日期:2012-05-30 修回日期:2012-09-11 出版日期:2013-06-15 发布日期:2015-03-12
作者简介:胡华(1979—)，女，四川遂宁人，讲师，博士，主要从事多模式公共交通运营管理方面的研究。E-mail:huhua1979@126.com。
基金资助:
上海高校青年教师培养资助计划( shgcjs022) ; 国家自然科学基金青年基金项目( 51008231) ; 上海市科委科技攻关重点项目 ( 11170501400) ; 上海市教育委员会重点学科建设项目( J51401)

Dynamic Prediction Method of Transfer OD Matrix for Urban Transit Hub

Hu Hua，Liu Zhigang，Zhu Haiyan

School of Urban Railway Transportation，Shanghai University of Engineering Science，Shanghai 201620，China

Received:2012-05-30 Revised:2012-09-11 Online:2013-06-15 Published:2015-03-12

摘要/Abstract

摘要： 换乘枢纽衔接公交线路的换乘客流OD是APTS下实施公交多线路动态协调调度的基础数据。以公交线路上下车乘客数的自动获取为前提，建立换乘OD推算优化模型，并设计了BP神经网络求解算法，应用数值试验对神经网络中的核心参数进行了标定。算例表明:BP神经网络为动态更新公交枢纽换乘客流OD提供了一种经济、有效的方法。

关键词: 公交枢纽, 换乘OD矩阵, BP神经网络, 动态预测

Abstract: A transfer OD matrix is the basic data for coordination dispatching among transit lines in a transit hub under Advance Public Transportation System ( APTS) . A BP artificial neural network ( ANN) model is applied to track the weights of OD pairs within a transit hub through using the data of boarding and alighting transfer passengers at each transit line. The key issues associated with the estimation process are deeply studied，including the design of ANN，the learning and stopping rules，and the calibration of model parameters through computational experiment. The results of the example from a transit hub reveal that the proposed model provides an economic and effective method for dynamic prediction of transfer OD matrix for a transit hub.

Key words: transithub, transferODMatrix, BPneuralnetwork, dynamicprediction

中图分类号:

U492

胡华，刘志钢，朱海燕. 交通运输部交通运输建设科技项目(2011318801670)[J]. 重庆交通大学学报（自然科学版）, 2013, 32(3): 463-466.

Hu Hua，Liu Zhigang，Zhu Haiyan. Dynamic Prediction Method of Transfer OD Matrix for Urban Transit Hub[J]. Journal of Chongqing Jiaotong University(Natural Science), 2013, 32(3): 463-466.

参考文献

[1]Dessouky M,Hall R,Zhang L,et al. Real-time control of buses for schedule coordination at a terminal[J]. Transportation Research A,2003(3) : 145-164.
[2]Simon J,Furth P G. Generating a bus route O-D matrix from on-off data[J]. Journal of Transportation Engineering (American Societyof Civil Engineers) ,1985,111(6) : 583-593.
[3]张林峰,范炳全,吕智林. 公交网络换乘矩阵的分析与算法[J]. 系统工程,2003,21(6) : 92-96.
Zhang Linfeng,Fan Bingquan,Lu Zhilin. Transfer matrix of publictransit network and algorithm[J]. Systems Engineering,2003,21(6) : 92-96.
[4]袁曾任. 人工神经元网络及其应用[M]. 北京: 清华大学出版社, 1999.
Yuan Zengren. Artificial Neural Network Theory and Its Application [M]. Beijing: Tsinghua University Press, 1999.
[5]杨新苗,王炜,顾维平,等. 公交线路客流模糊神经网络预测模型[J]. 公路交通科技,2000, 17(4) : 38-41.
Yang Xinmiao,Wang Wei,Gu Weiping,et al. Applying fuzzy neural network to predict bus line passenger flow[J]. Journal of Highway and Transportation Reseach and Development,2000,17 (4 ) :38-41.
[6]周涛,翟长旭,高志刚. 基于公交IC 卡数据的OD 推算技术研究[J]. 城市交通,2007,5(3) : 48-52.
Zhou Tao,Zhai Changxu,Gao Zhigang. Approaching bus OD matrices based on data reduced from bus IC cards[J]. Urban Transport of China, 2007,5(3) : 48-52.
[7]Kikuchi S,Tanaka M. Estimating an O-D table under repeated counts of in-out volumes at highway ramps: use of artificial neural networks[C]. Washington,D. C. : The 79th TRB Annual Meeting,1999: 59-66.
[8]胡华,刘志钢,高云峰. 面向换乘枢纽的轨道交通与道路公交协调调度方法[J]. 城市轨道交通研究,2011(10) : 49-52,70.
Hu Hua,Liu Zhigang,Gao Yunfeng. Coordination dispatching between urban rail transit and regular bus for transfer center[J]. Urban Mass Transit,2011(10) : 49-52,70

[1]	李广儒，张新，朱庆辉. 基于Adaboost的改进Elman神经网络港口吞吐量预测方法[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 1-5.
[2]	李军，张俊，张世义. 基于ABP-EKF算法的锂电池SOC估计[J]. 重庆交通大学学报（自然科学版）, 2021, 40(03): 135-140.
[3]	裴同松1，裴彧2. 基于马尔科夫链-BP神经网络模型对公路运量的预测研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(02): 35-41.
[4]	孙臣生. 基于改进MATLAB-BP神经网络算法的隧道岩爆预测模型[J]. 重庆交通大学学报（自然科学版）, 2019, 38(10): 41-49.
[5]	李绍春1，初永玲1，廉静2，廖宝梁3，吕承举3，纪少波2. BP神经网络在液化天然气客车能耗估算中的应用[J]. 重庆交通大学学报（自然科学版）, 2019, 38(10): 133-138.
[6]	陈仕周1,2，李山1，熊峰2，李冠男1. 基于GA灰色神经网络的沥青路面使用性能预测[J]. 重庆交通大学学报（自然科学版）, 2019, 38(02): 44-50.
[7]	彭中波，高阳. BP神经网络在水下地形高程拟合的应用[J]. 重庆交通大学学报（自然科学版）, 2018, 37(11): 64-68.
[8]	张海涛，马盛盛，于腾江. 不同预测方法的沥青混合料弹性模量对比研究[J]. 重庆交通大学学报（自然科学版）, 2018, 37(1): 35-39.
[9]	靳文舟，韩博文，郝小妮，黄玮琪. 基于小波神经网络的定制公交目标乘客出行意愿预测[J]. 重庆交通大学学报（自然科学版）, 2018, 37(08): 81-87.
[10]	石红国，张鹏，雷艳红. 基于BP神经网络的郭白铁路专用线安全评价[J]. 重庆交通大学学报（自然科学版）, 2017, 36(6): 99-102.
[11]	强明,郭春喜,周红宇. 基于神经网络的GPS 高程拟合方法优选及精度分析[J]. 重庆交通大学学报（自然科学版）, 2012, 31(4): 815-818.
[12]	谭伟，陆百川，黄美灵. 神经网络结合遗传算法用于航迹预测[J]. 重庆交通大学学报（自然科学版）, 2010, 29(1): 147-150.
[13]	李晓娟,丁??艺. 基于BP神经网络的高等级公路交织区安全评价[J]. 重庆交通大学学报（自然科学版）, 2009, 28(6): 1075-1078.
[14]	赵炜华,刘浩学,毕仁忠,晏远春. 驾驶员对夜间红绿障碍物空间距离判识差异[J]. 重庆交通大学学报（自然科学版）, 2009, 28(6): 1079-1082.
[15]	任其亮, 李淑庆. 大型建设项目交通影响度预测的BP网络法[J]. 重庆交通大学学报（自然科学版）, 2008, 27(2): 286-289.

交通运输部交通运输建设科技项目(2011318801670)

Dynamic Prediction Method of Transfer OD Matrix for Urban Transit Hub

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics